dtype('O')데이터 프레임 내부 를 볼 때 이것은 Pandas 문자열을 의미합니다.

무엇입니까 dtype?

pandas또는에 속하는 것 numpy, 또는 둘 다 또는 다른 것? 판다 코드를 살펴보면 :

df = pd.DataFrame({'float': [1.0],
                    'int': [1],
                    'datetime': [pd.Timestamp('20180310')],
                    'string': ['foo']})
print(df)
print(df['float'].dtype,df['int'].dtype,df['datetime'].dtype,df['string'].dtype)
df['string'].dtype

다음과 같이 출력됩니다.

   float  int   datetime string
0    1.0    1 2018-03-10    foo
---
float64 int64 datetime64[ns] object
---
dtype('O')

마지막을 dtype('O')Python 유형 문자열 인 Pandas 또는 Pandas 객체 로 해석 할 수 있으며 이는 Numpy string_또는 unicode_유형에 해당합니다 .

Pandas dtype    Python type     NumPy type          Usage
object          str             string_, unicode_   Text

Don Quixote가 엉덩이에있는 것처럼 Pandas는 Numpy에 있고 Numpy는 시스템의 기본 아키텍처를 이해하고이를 위해 클래스 numpy.dtype를 사용합니다.

데이터 유형 객체는 다음을 포함 numpy.dtype하여 데이터 유형을 보다 정확하게 이해하는 클래스 의 인스턴스입니다 .

• 데이터 유형 (정수, 부동 소수점, Python 객체 등)
• 데이터의 크기 (예 : 정수의 바이트 수)
• 데이터의 바이트 순서 (리틀 엔디안 또는 빅 엔디안)
• 데이터 유형이 구조화 된 경우 다른 데이터 유형의 집합 (예 : 정수 및 부동 소수점으로 구성된 배열 항목 설명)
• 구조의 “필드”이름은 무엇입니까?
• 각 필드의 데이터 유형은 무엇입니까
• 각 필드가 차지하는 메모리 블록 부분
• 데이터 유형이 하위 배열 인 경우 그 모양과 데이터 유형은 무엇입니까?

이 질문의 맥락에서 dtypepands와 numpy 모두에 속하며 특히 dtype('O')우리가 문자열을 기대한다는 것을 의미합니다.

다음은 설명과 함께 테스트하기위한 코드입니다. 데이터 세트가 사전으로있는 경우

import pandas as pd
import numpy as np
from pandas import Timestamp

data={'id': {0: 1, 1: 2, 2: 3, 3: 4, 4: 5}, 'date': {0: Timestamp('2018-12-12 00:00:00'), 1: Timestamp('2018-12-12 00:00:00'), 2: Timestamp('2018-12-12 00:00:00'), 3: Timestamp('2018-12-12 00:00:00'), 4: Timestamp('2018-12-12 00:00:00')}, 'role': {0: 'Support', 1: 'Marketing', 2: 'Business Development', 3: 'Sales', 4: 'Engineering'}, 'num': {0: 123, 1: 234, 2: 345, 3: 456, 4: 567}, 'fnum': {0: 3.14, 1: 2.14, 2: -0.14, 3: 41.3, 4: 3.14}}
df = pd.DataFrame.from_dict(data) #now we have a dataframe

print(df)
print(df.dtypes)

마지막 줄은 데이터 프레임을 검사하고 출력을 기록합니다.

   id       date                  role  num   fnum
0   1 2018-12-12               Support  123   3.14
1   2 2018-12-12             Marketing  234   2.14
2   3 2018-12-12  Business Development  345  -0.14
3   4 2018-12-12                 Sales  456  41.30
4   5 2018-12-12           Engineering  567   3.14
id               int64
date    datetime64[ns]
role            object
num              int64
fnum           float64
dtype: object

모든 종류의 다른 dtypes

df.iloc[1,:] = np.nan
df.iloc[2,:] = None

그러나 우리는 설정하려고하는 경우 np.nan또는 None이 원래 열 DTYPE에 영향을 미치지 않습니다. 출력은 다음과 같습니다.

print(df)
print(df.dtypes)

    id       date         role    num   fnum
0  1.0 2018-12-12      Support  123.0   3.14
1  NaN        NaT          NaN    NaN    NaN
2  NaN        NaT         None    NaN    NaN
3  4.0 2018-12-12        Sales  456.0  41.30
4  5.0 2018-12-12  Engineering  567.0   3.14
id             float64
date    datetime64[ns]
role            object
num            float64
fnum           float64
dtype: object

따라서 모든 열 행을 또는로 설정하지 않는 한 열을 변경 np.nan하거나 None변경하지 않습니다 . 이 경우 열은 또는 각각됩니다.dtypenp.nanNonefloat64object

단일 행을 설정할 수도 있습니다.

df.iloc[3,:] = 0 # will convert datetime to object only
df.iloc[4,:] = '' # will convert all columns to object

여기서 주목할 것은 문자열이 아닌 열 안에 문자열을 설정하면 문자열 또는 객체가 dtype됩니다.

답변

np.array([object()]).dtype
=> dtype('O')

#Loading a csv file as a dataframe
import pandas as pd
train_df = pd.read_csv('train.csv')
col_name = 'Name of Employee'

#Checking the datatype of column name
train_df[col_name].dtype

#Instead try printing the same thing
print train_df[col_name].dtype